单字节字符集

ASCII字符集在 0x00 到 0x7F 的范围内定义字符。 还有其他一些字符集（主要是欧洲字符），它们在 0x00 到 0x7F 的范围内定义与 ASCII 字符集相同的字符，还在 0x80 到 0xFF 的范围内定义了扩展字符集。 因此，8 位的单字节字符集(SBCS)足以表示 ASCII 字符集以及许多欧洲语言的字符集。 但是，一些非欧洲字符集（如日文汉字）包含许多单字节代码无法表示的字符，因此要求使用多字节字符集 (MBCS) 编码。

许多SBCS例程在Microsoft运行库中处理相应的多字节字节、字符和字符串。 许多多字节字符集将 ASCII 字符集定义为子集。 在许多多字节字符集中，0x00 到 0x7F 范围内的每个字符都与ASCII字符集中具有相同值的字符相同。 例如，在ASCII和MBCS字符串中，单字节NULL字符（“\0”）的值是 0x00 并且指示终止空字符。

多字节字符集 (SBCS) 可能包括单字节和双字节字符。 从而多字节字符串可以包含单字节和双字节字符混合。 两位的多字节字符有一个前导字节和尾字节。 在某个多字节字符集内，前导字节位于某个特定范围内，尾字节也一样。 当这两种范围重叠时，可能需要计算上下文以确定某个给定的字节是用作前导字节还是尾字节。

单字节字符包含拉丁文字母表，accentedcharacters及ASCII标准和DOS操作系统定义的图形字符。双字节字符被用来表示东亚及中东的语言。Unicode被用在COM及WindowsNT操作系统内部。

你一定已经很熟悉单字节字符。当你使用char时，你处理的是单字节字符。双字节字符也用char类型来进行操作（这是我们将会看到的关于双子节字符的很多奇怪的地方之一）。Unicode字符用wchar_t来表示。Unicode字符和字符串常量用前缀L来表示。

（single-bytecharactersetorSBCS）。在这种编码模式下，所有的字符都只用一个字节表示。ASCII是SBCS。一个字节表示的0用来标志SBCS字符串的结束。

（multi-bytecharactersetorMBCS）。一个MBCS编码包含一些一个字节长的字符，而另一些字符大于一个字节的长度。用在Windows里的MBCS包含两种字符类型，单字节字符（single-bytecharacters）和双字节字符（double-bytecharacters）。由于Windows里使用的多字节字符绝大部分是两个字节长，所以MBCS常被用DBCS（double-bytecharactersetor DBCS）代替。

在DBCS编码模式中，一些特定的值被保留用来表明他们是双字节字符的一部分。例如，在Shift-JIS编码中（一个常用的日文编码模式），0x81-0x9f之间和0xe0-oxfc之间的值表示"这是一个双字节字符，下一个子节是这个字符的一部分。"这样的值被称作"leadingbytes",他们都大于0x7f。跟随在一个leadingbyte子节后面的字节被称作"trailbyte"。在DBCS中，trailbyte可以是任意非0值。像SBCS一样，DBCS字符串的结束标志也是一个单字节表示的0。

Unicode是一种所有的字符都使用两个字节编码的编码模式。Unicode字符有时也被称作宽字符（Wide Character），因为它比单子节字符宽（使用了更多的存储空间）。注意，Unicode不能被看作MBCS。MBCS的独特之处在于它的字符使用不同长度的字节编码。Unicode字符串使用两个字节表示的0作为它的结束标志。

ASCII（American Standard Code for Information Interchange，美国信息互换标准编码）是基于罗马字母表的一套电脑编码系统。

它主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统，并等同于国际标准ISO 646。

控制字符：回车键、退格、换行键等。

可显示字符：英文大小写字符、阿拉伯数字和西文符号。

7位（bits）表示一个字符，共128字符，字符值从0到127，其中32到126是可打印字符。

7位编码的字符集只能支持128个字符，为了表示更多的欧洲常用字符对ASCII进行了扩展，ASCII扩展字符集使用8位（bits）表示一个字符，共256字符。

ASCII扩展字符集：它是从ASCII字符集扩充出来的，扩充后的符号增加了表格符号、计算符号、希腊字母和特殊的拉丁符号。

对于字符串的处理，经常会遇到需要判断字符是双字节还是单字节（或者全角和半角）的情况，因为双字节字符和单字节字符在屏幕上所占用的空间是不同的，通常情况下双字节字符占用的空间是单字节字符的两倍。

比如，一个字符串，可能包含中文英文数字和各种符号等等，将其输出到屏幕上，需要根据长度判断在哪里进行截断（网页编程中经常用到）。

<br>最常见的两种方式。

• <br>一种是通过String的getBytes().length来判断，单个字符构成的字符串，其getBytes().length若大于1，则为双字节字符，否则为单字节字符。不过需要注意的是，这种方式有一定缺陷，就是当使用英文操作系统来执行getBytes().length这句代码的时候，单字节双字节文本得到的结果是一样的。这是因为不同的JAVA虚拟机对于字符的处理方式不同。所以，虽然这种方法很简单，而且在大多数时候很有效，但是考虑到可能会有少部分使用英文操作系统的人，还是建议用下一种方法。
• <br>另外一种是通过判断某一位的字符是否大于0x80，如果大于则为双字节字符，否则为单字节字符。